Les trois géants de la Silicon Valley lancent une révolution de la production en masse. La Chine, avec son intelligence incarnée, peut-elle se positionner en tête du podium mondial ?

Introduction : Les actions prédéfinies sont le ticket d’entrée d’aujourd’hui, tandis que la capacité de généralisation est le ticket pour la finale de demain.

Éditeur | Jing Cheng

Auteur | Jiang Jing

À la fin du premier trimestre 2026, une action mondiale synchronisée dans le domaine technologique annonce officiellement un tournant historique pour l’industrie des robots humanoïdes.

Les trois géants de la Silicon Valley, Google, Amazon et Tesla, agissent simultanément, s’engageant dans une course à l’accélération, du renforcement technologique à la mise en scène, en passant par la production de masse, propulsant les robots humanoïdes du spectacle technologique vers l’arène industrielle.

Parallèlement, la Chine a également intensifié ses efforts. Le 26 mars, l’Institut chinois de recherche en communication et d’information a publié le premier standard industriel dans le domaine de l’intelligence incarnée en collaboration avec plus de 40 unités, ajoutant à l’augmentation continue des politiques, à l’accélération des entreprises et à l’enthousiasme des capitaux. La Chine est en train de réaliser un saut de la course en arrière à la course côte à côte, et commence même à lancer des offensives dans plusieurs domaines pour prendre la tête.

Cette révolution, qui bouleverse les règles commerciales et l’écosystème industriel du futur, la Chine peut-elle occuper la position centrale ?

Fougue mondiale : Les géants de la Silicon Valley se lancent dans la production de masse, reconstruisant la productivité future

Personne ne considère plus les robots humanoïdes comme un concept de science-fiction.

Récemment, les actions synchronisées des trois géants de la Silicon Valley ont rendu les étapes de l’ère de la production de masse clairement audibles. Chaque mouvement qu’ils effectuent vise à la reconstruction de la productivité future, tandis que le suivi des capitaux mondiaux et des entreprises locales fait grimper la température de cette voie.

Google a été le premier à créer un “cerveau intelligent” pour les robots, lançant deux nouveaux modèles d’IA, Gemini Robotics et Gemini Robotics-ER. Le premier permet aux robots de comprendre de nouveaux contextes sans formation spécifique, tandis que le second peut “comprendre un monde complexe et dynamique”, habilitant ainsi les robots à s’ancrer dans des scénarios réels sur le plan technologique.

Amazon, quant à lui, se concentre sur la mise en œuvre des scénarios, ayant acquis successivement les start-ups de robots humanoïdes Fauna Robotics et de robots logistiques Rivr en l’espace d’une semaine. Son plan n’est pas seulement d’optimiser la livraison de colis, mais de construire un “système capillaire de services robotiques” allant de la chaîne de production de l’usine au salon de la maison, créant ainsi un nouveau système de main-d’œuvre.

L’action de production de masse de Tesla est la plus suivie. Le 25 mars, le robot Optimus a publié une annonce de recrutement, affirmant clairement qu’il changera le paysage économique de la main-d’œuvre et de la fabrication, visant à réaliser rapidement une production de masse à grande échelle, avec l’ouverture cet été de la première ligne de production de robots humanoïdes au monde capable de produire un million d’unités par an, propulsant ainsi la production de masse vers une phase substantielle.

Les initiatives de la Silicon Valley ne s’arrêtent pas là, les entreprises locales américaines accélèrent également leur mise en œuvre. Le même jour, le robot humanoïde Figure03 développé par Figure AI a été installé à la Maison Blanche, devenant le premier robot humanoïde fabriqué aux États-Unis à y entrer, capable de communiquer en plusieurs langues et d’accomplir des tâches ménagères de manière autonome. De plus, la société a levé plus de 1 milliard de dollars il y a six mois, avec des géants comme Nvidia et LG montrant leur soutien, témoignant de l’engouement mondial pour le secteur des robots humanoïdes.

Yuan Shuai, directeur adjoint du département des investissements de l’Institut de recherche sur le développement urbain de Chine, a déclaré que les actions de production de masse des géants de la Silicon Valley et la publication des normes industrielles de la Chine dans le domaine de l’intelligence incarnée marquent ensemble le passage de l’industrie des robots humanoïdes d’une phase de recherche et développement technique à une période dorée de commercialisation. Les percées technologiques soutiennent la fabrication à grande échelle, tandis que les normes industrielles définissent les spécifications techniques et réduisent la concurrence désordonnée.

Cependant, Gao Heng, expert de la Société chinoise des nouvelles technologies, a exprimé un jugement prudent, affirmant que l’industrie est actuellement à la veille de la commercialisation et dans une phase de réalisation partielle, et non pas dans une période dorée d’explosion commerciale. Le changement central de l’industrie actuelle réside dans la validation conjointe des différents acteurs sur la capacité des robots à “travailler de manière continue dans des scénarios réels et à maîtriser les coûts”, plutôt que dans une simple percée technologique.

Percée chinoise : Multiples avantages pour se stabiliser, des lacunes essentielles à combler

Lorsque les géants de la Silicon Valley ont lancé la vague de production de masse, la Chine ne s’est pas contentée de suivre passivement, mais a plutôt anticipé les préparatifs, s’appuyant sur des avantages multiples tels que les normes, les scénarios, le marché et le capital pour se positionner sur la scène mondiale de l’intelligence incarnée. Cependant, par rapport aux géants de la Silicon Valley, un écart persiste en matière de technologies et de capacités clés, freinant le développement ultérieur de l’industrie.

Sur le plan des avantages, les initiatives de la Chine affichent des caractéristiques locales distinctes et un effet de premier arrivé. Tout d’abord, elle maîtrise le pouvoir de parler des normes. Le 26 mars, l’Institut chinois de recherche en communication et d’information, en collaboration avec plus de 40 unités, a publié le premier standard industriel dans le domaine de l’intelligence incarnée, établissant un cadre de test de référence unifié et prenant l’initiative dans l’élaboration de normes au début du développement industriel.

Ensuite, la Chine est en tête en matière de mise en œuvre des scénarios. Le développement de l’intelligence incarnée en Chine n’est jamais resté au stade de la démonstration, mais a véritablement atteint des applications pratiques, comme les robots quadrupèdes Yushu qui ont été déployés dans plusieurs projets d’inspection industrielle, notamment dans des sous-stations électriques à Zhejiang, des tunnels souterrains à Hangzhou et à la base pétrochimique de Guangdong.

Parallèlement, la Chine dispose d’une vaste taille de marché et d’un environnement capital actif. En 2025, le pays comptera plus de 140 entreprises d’intelligence incarnée, avec plus de 330 modèles de robots humanoïdes lancés et un volume d’expéditions d’environ 17 000 unités. Les marchés de l’intelligence incarnée et des robots humanoïdes devraient atteindre respectivement 5,295 milliards de yuans et 8,239 milliards de yuans.

Du côté des capitaux, Yushu Technology a été acceptée pour son introduction en bourse, devenant ainsi la première entreprise de robots humanoïdes cotée sur le marché A, avec un volume de financements importants dans l’industrie de l’intelligence incarnée depuis le début de l’année, accélérant le processus de capitalisation. En outre, les revenus des ventes des robots quadrupèdes et des robots humanoïdes de Yushu Technology pour la période de janvier à septembre 2025 ont respectivement connu une augmentation de 182,22 % et de 6,42 fois, témoignant de manière intuitive du potentiel du marché.

Bien que le développement soit rapide, la Chine présente également des lacunes évidentes dans la compétition mondiale.

De nombreux experts soulignent que l’écart principal entre les robots humanoïdes chinois et étrangers ne réside pas dans la fabrication matérielle, mais plutôt dans l’accumulation de données, la capacité de généralisation des modèles et les technologies de base. Cela se manifeste par un manque de flexibilité dans les mouvements des robots et de capacité de généralisation.

Yuan Shuai estime que l’écart entre les robots humanoïdes chinois et étrangers, bien qu’il se manifeste par des différences de flexibilité des mouvements et de capacité de généralisation, trouve sa racine dans les technologies de base, l’accumulation de données et la philosophie de recherche et développement. Par exemple, Google RoboCat peut réaliser des mouvements flexibles et généralisés grâce à un long processus d’accumulation technologique, en particulier grâce à des investissements continus dans des domaines tels que les algorithmes de grands modèles, la fusion des capteurs et le contrôle de la dynamique des robots, s’appuyant sur une masse de données d’entraînement issues de multiples scénarios pour doter les robots de capacités d’apprentissage autonome et d’adaptation à l’environnement.

Il souligne que les produits nationaux sont actuellement souvent confinés à des mouvements prédéfinis et à la reproduction de scénarios fixes. La lacune principale réside dans le manque de données d’entraînement de haute qualité et en grande quantité dans des scénarios réels, ainsi que dans la dépendance vis-à-vis des composants clés importés tels que les moteurs servos de haute précision et les capteurs de force, ce qui limite la précision des mouvements et le niveau de perception.

Gao Heng ajoute que la véritable différence réside dans la capacité de créer des synergies entre les données, les modèles, l’ingénierie système et les capacités de boucle fermée des scénarios. Les entreprises de pointe à l’étranger visent à créer des robots intelligents capables de comprendre leur environnement et d’accomplir des tâches de manière autonome, en considérant les robots comme des produits de données durables à développer. La capacité de généralisation est en réalité une capacité complexe ; la Chine ne souffre pas seulement d’un retard technologique ponctuel, mais n’a pas réussi à former une boucle d’itération entre les données et les scénarios, ce qui limite les robots à ajuster les paramètres pour des tâches uniques, les rendant difficiles à rendre de plus en plus intelligents.

Gao Chengyuan, un écrivain financier de renom et directeur de l’Institut d’influence de Tiaoyuan, affirme que l’écart principal se concentre sur l’accumulation de données et la capacité de généralisation des modèles. À l’étranger, les entreprises ont un avantage évident dans l’apprentissage par transfert de la simulation à la réalité et dans les stratégies générales multitâches, en s’appuyant sur des investissements à long terme pour établir une boucle de données interscénario et des capacités de recherche de modèles de base. En Chine, l’accent est encore mis sur des mouvements prédéfinis, ce qui est essentiellement dû à un manque de données incarnées de haute qualité et à un écart générationnel dans les capacités de calcul et d’ingénierie des algorithmes nécessaires pour des modèles de grande taille.

Yushu Technology admet également que les technologies clés à surmonter pour l’application commerciale à grande échelle dans des scénarios industriels et domestiques comprennent principalement la capacité des grands modèles incarnés au niveau du “cerveau” et le degré de précision et de durabilité des “mains habiles”. Le principal défi technologique reste que les grands modèles incarnés à l’échelle mondiale sont encore au stade de développement précoce, avec une capacité de généralisation insuffisante.

Cheminement vers la rupture : des voies multidimensionnelles pour améliorer les capacités, équilibrer le développement actuel et à long terme

Dans le contexte de l’accumulation insuffisante de données et de scénarios, comment améliorer la flexibilité des mouvements des robots et leur capacité de généralisation devient la question centrale pour les entreprises nationales cherchant à rattraper leur retard.

De nombreux experts, en tenant compte de la situation actuelle de l’industrie, ont proposé des voies de développement à la fois pratiques et prospectives, tout en soulignant que les entreprises doivent équilibrer la mise en œuvre à court terme et la recherche et développement à long terme, en utilisant des mouvements prédéfinis comme ticket d’entrée et en faisant de la capacité de généralisation un rempart central.

Wang Peng, chercheur à l’Académie des sciences sociales de Beijing, propose que les entreprises nationales puissent rattraper leur retard par deux voies : “ancrage de scénarios + réutilisation technologique”. D’une part, il faut se concentrer sur la boucle de données dans des scénarios verticaux, en verrouillant au préalable des scénarios standardisés tels que le soudage industriel et le transport de matériaux, puis en obtenant des ensembles de données exclusifs grâce à des mises en œuvre à petite échelle avant d’entraîner des modèles incarnés spécifiques à ces domaines. D’autre part, en s’appuyant sur une collaboration dans un écosystème open source, il est possible de promouvoir le partage de données interentreprises en s’appuyant sur les normes industrielles publiées par l’Institut de recherche en communication et d’information, et de réaliser un entraînement collectif de modèles généraux basé sur des données opérationnelles au format unifié.

Yuan Shuai suggère également de suivre plusieurs pistes en parallèle, en collaborant avec des institutions de recherche universitaire pour utiliser la simulation et le jumeau numérique pour générer des données virtuelles, et en les transférant vers des scénarios réels, tout en ouvrant des interfaces pour travailler avec des parties prenantes sur des projets pilotes afin de collecter des données réelles pour itérer les algorithmes. En outre, il est crucial de promouvoir le partage anonyme de données d’entraînement entre entreprises pour briser les îlots de données et d’augmenter les investissements en recherche et développement de composants clés pour soutenir les mouvements flexibles des robots grâce aux percées matérielles.

Gao Heng propose quatre voies pratiques : d’abord, obtenir des données à partir de scénarios réels en s’attachant profondément aux usines, aux entrepôts et autres scénarios, permettant ainsi aux robots de s’intégrer dans des flux de travail réels pour accumuler des données ; ensuite, simuler d’abord, puis établir un lien fermé avec des machines réelles, en entraînant des stratégies dans un environnement de simulation avant de les ajuster dans des scénarios réels pour réduire les coûts d’entraînement ; troisièmement, se concentrer sur la généralisation des tâches, en se concentrant d’abord sur des types de tâches uniques tels que le tri et le transport pour réaliser la généralisation et commencer à générer de la valeur commerciale ; enfin, établir un système de partage de données et de normes au sein de l’industrie pour résoudre les problèmes d’uniformité des interfaces et des systèmes d’évaluation, formant ainsi une itération au niveau industriel.

Les experts s’accordent à dire que les mouvements prédéfinis et la capacité de généralisation sont également importants pour le développement des entreprises.

Wang Peng estime qu’à court terme, les robots avec des mouvements prédéfinis peuvent couvrir la plupart des besoins industriels, et que leur coût est inférieur à celui des robots dotés de capacités de généralisation. Cependant, à long terme, la capacité de généralisation sera le rempart central qui déterminera si les entreprises peuvent traverser le cycle industriel - alors que des scénarios non standardisés tels que les services à domicile et le secours d’urgence se développent, les robots capables de s’adapter de manière autonome à leur environnement deviendront progressivement la norme.

Gao Heng est également d’accord sur le fait que les mouvements prédéfinis sont le ticket d’entrée d’aujourd’hui, tandis que la capacité de généralisation est le ticket pour la finale de demain. Pour les entreprises, il ne faut pas abandonner les investissements à long terme dans la capacité de généralisation simplement parce qu’il est possible de gagner de l’argent grâce aux mouvements prédéfinis aujourd’hui ; mais il ne faut pas non plus ignorer les scénarios réalisables à court terme en poursuivant la généralisation. D’abord obtenir des commandes, puis travailler sur l’intelligence, voilà une voie plus réaliste.

Actuellement, le marché chinois de l’intelligence incarnée représente déjà la moitié du marché mondial, et des applications ont été mises en œuvre dans des scénarios industriels et d’urgence. À l’avenir, quel type de scénario sera le premier à permettre une commercialisation à grande échelle des robots d’intelligence incarnée en Chine ?

Gao Chengyuan estime que la fabrication industrielle sera le premier scénario où la Chine réalisera une commercialisation à grande échelle, en particulier dans des domaines comme la fabrication automobile, l’assemblage électronique 3C et la logistique d’entrepôt. Pour identifier les besoins des scénarios, il est nécessaire de s’engager profondément sur le terrain industriel et de co-créer des laboratoires conjointement avec des entreprises de fabrication de premier plan, en commençant par remplacer des opérations uniques et en s’étendant progressivement à l’automatisation complète des lignes.

La clé pour promouvoir la fusion de la technologie et des scénarios réside dans l’établissement d’un mécanisme de rétroaction qui définisse la technologie en fonction des besoins réels des lignes de production, permettant ainsi d’orienter l’itération du matériel et l’optimisation des algorithmes, plutôt que de rechercher d’abord la technologie puis de chercher des scénarios.

Pour passer de la “course côte à côte” à la “course en tête mondiale”, la Chine doit encore surmonter des goulets d’étranglement dans les domaines des politiques, des technologies et de l’écosystème industriel.

Yuan Shuai suggère que sur le plan politique, il est essentiel de renforcer le soutien et les investissements, ainsi que d’améliorer la protection de la propriété intellectuelle ; sur le plan technologique, il est crucial de se concentrer sur les algorithmes de grands modèles et les composants clés pour améliorer la capacité d’apprentissage autonome et de généralisation des robots ; en ce qui concerne l’écosystème industriel, il est nécessaire de renforcer la coopération entre les chaînes d’approvisionnement, d’accélérer l’industrialisation des composants, de promouvoir l’intégration de la production, de la recherche et de l’application, et de favoriser la transformation des résultats. En même temps, il est important d’encourager la coopération internationale et de participer à l’élaboration de normes mondiales pour améliorer le pouvoir de parler de l’industrie, afin de construire finalement un écosystème complet pour l’industrie de l’intelligence incarnée et d’atteindre des objectifs de leadership.